APLICAÇÃO DE REPRESENTAÇÕES EM BLOCOS INTERCONECTADOS EM IDENTIFICAÇÃO CAIXA-CINZA DE SISTEMAS DINÂMICOS NÃO LINEARES
|
|
- Laís Casqueira Pedroso
- 6 Há anos
- Visualizações:
Transcrição
1 APLICAÇÃO DE REPRESENTAÇÕES EM BLOCOS INTERCONECTADOS EM IDENTIFICAÇÃO CAIXA-CINZA DE SISTEMAS DINÂMICOS NÃO LINEARES ANA PAULA L. SANTOS*, NÁDIA R. L. MILAGRES*, ALINE A. CAMPOS**, LUCIANA M. MARGOTI**, GLEISON F. V. AMARAL**, MÁRCIO F. S. BARROSO** * Laboratório de Estudo em Controle e Modelagem, Universidade Federal de São João del-rei Praça Frei Orlando 170, Centro, , São João del-rei, MG, Brasil s: apsantos87@yahoo.com.br, nadiamilagres@yahoo.com.br ** Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal de São João del-rei Praça Frei Orlando 170, Centro, , São João del-rei, MG, Brasil s: sevlaenila@yahoo.com.br, lu_margoti@yahoo.com.br, amaral@ufsj.edu.br, barroso@ufsj.edu.br Abstract This paper presents an application of representations of Hammerstein and Wiener to obtain nonlinear models, in order to compare the results obtained in the two representations. The estimation of model parameters was performed using the method of Least Squares Extended using data from a simulated example. The results indicate the efficiency of the models. Keywords Identification of nonlinear systems; Parameters estimation; Grey-Box Identification; Hammerstein model; Wiener model. Resumo Este artigo apresenta uma aplicação das representações de Hammerstein e de Wiener para a obtenção de modelos não lineares, com o propósito de comparar os resultados obtidos nas duas representações. A estimação dos parâmetros do modelo foi realizada aplicando o método dos Mínimos Quadrados Estendidos utilizando dados de um exemplo simulado. Os resultados indicam a eficiência dos modelos. Palavras-chave Identificação de sistemas não lineares; Estimação de parâmetros; Identificação caixa-cinza; Modelo de Hammerstein; Modelo de Wiener. 1. Introdução Na prática, a maioria dos sistemas dinâmicos são não lineares. Entretanto, em algumas aplicações, aproximações lineares são suficientes. A escolha de qual modelo usar, se linear ou não, será determinada pelas características que se deseja obter do modelo. É sabido que modelos não lineares são capazes de representar dinâmicas que os lineares não conseguem. Essa decisão não é fácil, muitas vezes, requer experiência e conhecimento profundo do sistema e da aplicação do modelo como, por exemplo: análise dinâmica, análise estática (ou em estado estacionário), sintonia de controladores, predição, etc. (Aguirre, 2004). Uma forma de classificar as técnicas de modelagem é dividi-las em três grupos: modelagem caixa-branca, modelagem caixa-preta e modelagem caixa-cinza. Na modelagem caixa branca é necessário conhecer bem o sistema com o qual se está trabalhando, assim como as leis físicas que descrevem o sistema a ser modelado. Dessa forma, devido ao conhecimento e ao tempo para equacionar todos os fenômenos envolvidos, nem sempre é viável seguir esse procedimento (Aguirre, 2004). A modelagem caixa-preta - ou identificação de sistemas - estuda técnicas alternativas à caixabranca. Uma das características dessas técnicas é que pouco ou nenhum conhecimento prévio do sistema é necessário, precisa-se apenas dos dados de entrada e saída medidos do sistema. Atualmente, há interesse no desenvolvimento de métodos que permitam a incorporação de alguma informação que se tenha sobre o sistema durante a sua identificação e que não estejam disponíveis nos dados de entrada e saída, seja por impossibilidade de aplicação de ensaios aos sistemas ou por outro motivo qualquer (Lindskog and Ljung, 1994), (Johansen, 1995), (Lorito, 1998). Os procedimentos com esta característica são designados métodos de "identificação caixa-cinza" e são interessantes, pois não exigem do usuário um intenso conhecimento da física do processo, mas, permitem a utilização de algum conhecimento que não está disponível nos dados medidos, resultando em modelos mais representativos e, principalmente, fisicamente mais significativos (Aguirre, 1998). Dentre os modelos não lineares existem os globalmente não lineares e os localmente lineares 1. Para aplicações de controle, os modelos globalmente não lineares exibem maior complexidade. No entanto, 1 Por globalmente não linear, entende-se modelos cuja estrutura apresenta grau de não linearidade diferente de zero. Modelos localmente não lineares são aqueles que apresentam dinâmica linear, em torno de um ponto de operação, mas apresentam estática não linear, denotando então ganho estático não linear. 4224
2 nos localmente não lineares pode-se separar a estática não linear da dinâmica linear do sistema. Assim, técnicas de controle largamente difundidas podem ser aplicadas, como por exemplo, sintonia de controladores PID, técnicas de compensação em avanço, atraso, avanço-atraso, etc. (Norquay et al., 1997), (Kalafatis et al., 2004), (Shafiee, 2008). A representação de sistemas localmente não lineares pode ser feita através de blocos interconectados. Como exemplos, pode-se citar os modelos de Hammerstein e de Wiener. Em um dos blocos, a não linearidade do sistema é modelada por uma função estática não linear; no outro bloco, modela-se a dinâmica através de um modelo linear (Coelho, 2002). Estes modelos correspondem a processos com dinâmica linear, mas com um ganho não linear, e podem representar adequadamente muitas das não linearidades comumente encontradas em processos industriais. A não linearidade é estática. Assim, pode-se usar a dinâmica que é linear para a sintonia de controladores (Norquay et al., 1997). A maior dificuldade nesse tipo de representação é a obtenção do sinal intermediário aos blocos, fazendo-se necessária a utilização de uma informação prévia e/ou de uma restrição para estimar o sistema, por exemplo, o conhecimento da curva estática (Pearson and Pottmann, 2000). Neste trabalho, pretende-se obter modelos não lineares através das representações de Hammerstein e de Wiener, em que serão utilizados dados simulados de entrada e saída de um sistema de polimerização. A função estática não linear previamente identificada é polinomial. Além disso, os modelos obtidos deverão ser capazes de aproximar tanto a característica dinâmica quanto a estática do sistema em questão. O artigo está organizado da seguinte maneira: na seção 2 será descrito o processo para a obtenção de modelos não lineares a partir das representações de Hammerstein e de Wiener, a seção 3 é destinada às simulações e resultados, na seção 4 é feita uma comparação de resultados e, na seção 5, algumas considerações finais são apresentadas. 2. Desenvolvimento u(k) u(k) Figura 1: Modelo de Wiener Figura 2: Modelo de Hammerstein Em ambos os modelos, os sinais e representam a entrada e a saída do sistema, respectivamente, representa o sinal intermediário, o qual não possui significado físico (Arefi et al., 2007), sendo que define o tempo discreto. O bloco estático não linear é representado por uma função estática não linear, denotada com grau de não linearidade. O bloco dinâmico é representado por uma modelo dinâmico. O sinal de saída do modelo de Wiener é obtido pelo mapeamento do sinal intermediário,, através da função estática não linear,, de modo que (Coelho, 2002): A função estática deverá ser inversível para que os parâmetros do modelo dinâmico linear de Wiener possam ser estimados. Assim, o sinal intermediário, que não está disponível, pode ser estimado através da inversa da função (Coelho, 2002). Assim: em que é o grau de não linearidade da função inversa. Já para o modelo de Hammerstein, o sinal intermediário,, é obtido pelo mapeamento do sinal de entrada,, através da função, em que (Coelho, 2002): ou na forma normal: v(k) v(k) y(k) y(k) (1) 2.1. Modelos de Blocos Interconectados em que: representa o máximo atraso da entrada. Entre os modelos não lineares, os de blocos interconectados são estruturas eficientes em modelagem não linear (Arefi et al., 2007). O modelo de Wiener (Figura 1) apresenta o bloco dinâmico linear precedendo o bloco que contém a não linearidade estática. Já o modelo de Hammerstein (Figura 2) consiste de uma não linearidade estática seguida por um sistema dinâmico linear (Coelho, 2002). É importa deixar claro que o conhecimento prévio da curva estática, seja esta obtida por medição em estado estacionário, para cada um dos pontos de operação de interesse, seja por conhecimento teórico da curva característica em estado estacionário do sistema em estudo, é uma das maneiras de se obter as funções e a priori. Desta maneira, as estimativas de se torna uma tarefa menos árdua, uma vez que aquelas funções podem ser obtidas por ajuste de curva aos dados estáticos de entrada e 4225
3 saída do sistema. A única restrição é a existência da função Bloco Dinâmico Linear O modelo ARX (Autoregressive with exogenous input) é tipicamente escolhido para representar a dinâmica linear do modelo (Norquay et al., 1997). Esse modelo é obtido utilizando o par de entrada e saída do bloco dinâmico linear. Descrevendo o modelo ARX por meio do par de entrada e saída do bloco do modelo de Hammerstein, e, respectivamente, tem-se (Coelho, 2002 ): (2) em que: atraso máximo da saída do modelo ARX; atraso máximo da entrada do modelo ARX; parâmetros relacionados a cada regressor de saída do modelo ARX; parâmetros relacionados a cada regressor de entrada do modelo ARX. Substituindo a equação (1) em (2), tem-se: (3) Reescrevendo a forma normal (equação (2)) na forma de função de transferência, tem-se: sendo que: e são polinômios em z. O número de regressores, tanto da entrada quanto do sinal intermediário, é definido, neste trabalho, por método computacional, em que o número de termos do modelo é calculado pelo Critério de Informação de Akaike (1974). Os parâmetros são estimados por Mínimos Quadrados Estendidos (Chen et al., 1989) para garantir a não polarização dos parâmetros (Barroso, 2006). Esta análise pode ser estendida para o caso de Wiener, em que a função de transferência será: não lineares ou ferramentas de otimização. Neste trabalho, a curva estática não linear é obtida por ajuste polinomial dos dados de entrada e saída em estado estacionário Validação do Modelo A validação em identificação de sistemas consiste em verificar se o modelo é capaz de explicar as características desejáveis do sistema. Neste trabalho, deseja-se que os modelos de Hammerstein e Wiener aproximem tanto a característica estática quanto a dinâmica do sistema Validação dinâmica A validação dinâmica consiste em verificar se o modelo estimado é capaz de recuperar a dinâmica do sistema em questão. Para isso os dados usados para a validação devem ser diferentes dos usados para a identificação. Para validar um modelo dinamicamente, podese usar a simulação livre do mesmo, que consiste em usar o conjunto de dados de validação do sistema e as predições passadas da saída da matriz de regressores. Além disso, será usada a análise da correlação dos resíduos de identificação um passo a frente (Aguirre, 2004). Neste caso, deseja-se que os resíduos de identificação sejam ruído branco, ou seja, que a sua autocorrelação seja estatisticamente zero. Desta maneira, é possível conjecturar que o modelo foi capaz de explicar os dados dinâmicos sem incorporar dinâmicas espúrias Validação Estática A validação estática consiste em verificar se o modelo é capaz de recuperar a característica estática do sistema e pode ser verificada tanto quantitativa quanto qualitativamente. Na validação qualitativa é feita uma inspeção visual da curva estática do sistema comparada à estimada pelo modelo. E a validação quantitativa é dada pelo índice de correlação não linear,, entre as funções estáticas do sistema e do modelo. O coeficiente de correlação quantifica o grau de associação não linear entre duas variáveis. Seu valor deve estar entre -1 e 1, sendo que quanto maior for o módulo de, maior a correlação não linear entre as variáveis, o que define boa qualidade de ajuste na curva estática (Coelho, 2002). 3. Resultados 2.3. Função Estática Não Linear A função estática não linear pode ser obtida a- través de ajuste de curva, por exemplo: polinomial ou racional, utilizando mínimos quadrados lineares e Para ilustrar os principais conceitos apresentados neste texto, um exemplo simulado será investigado em detalhe. O modelo utilizado neste exemplo para produzir os dados foi descrito em Doyle III et al. (1994) e Ray (1972). Em suma, a reação em questão é a 4226
4 polimerização por radicais livres de metacrilato de metila (MMA), com azo-bisisobutyronitrile (AIBN) como iniciador e tolueno como solvente. O modelo simulado é composto de um conjunto de quatro equações diferenciais não lineares de primeira ordem. A entrada (variável de controle) é a taxa do fluxo volumétrico do iniciador, e a saída (variável controlada) é o número médio do peso molecular. O sistema foi simulado em um período de 30 horas, com um intervalo de integração de 0,01 (36 s) e não foi necessário decimar os dados. A entrada foi um sinal PRBS com amplitude variável, com desvio padrão, adicionado ao ponto de operação. O vetor de condições iniciais foi. Os valores dos parâmetros utilizados foram os de Doyle III et al. (1994). Os dados dinâmicos de entrada e saída do sistema são mostrados na Figura 3: Figura 4: Característica estática. (-) Dados reais, (*) Ajuste de curva. Para a obtenção dos parâmetros do modelo dinâmico linear de Wiener é necessário inverter a função estática, para que, assim, o sinal intermediário possa ser estimado. A inversa da função, obtida numericamente, é um polinômio. O ajuste da curva estática inversa é mostrado na equação (5) e Figura 5: (5) em que: representa o sinal estático estimado de entrada no bloco estático. Figura 3: Dados de entrada e saída do sistema. Em (a) estão os dados de entrada e em (b) os dados de saída Obtenção do Modelo de Wiener O polinômio utilizado para descrever a curva estática foi obtido por meio dos dados estáticos de entrada e saída do sistema e simulados por meio do modelo dinâmico, fixando-se um ponto de operação, aplicando-se este valor como um degrau ao modelo e, após cinco constantes de tempo, obteve-se a saída em estado estacionário. A aproximação polinomial obtida foi: (4) Figura 5: Função inversa da característica estática. (-) Dados reais, (*) Ajuste de curva. A partir da equação (5), pode-se obter uma estimativa do sinal intermediário,, por meio das medições dinâmicas da saída do sistema,. Assim, os parâmetros do modelo ARX podem ser estimados a partir dos dados de entrada e saída do bloco dinâmico linear, e, respectivamente. Descrevendo o modelo ARX, obtido na forma normal, tem-se: O ajuste da curva estática, equação (4), está mostrado na Figura 4: 4227
5 (6) A Figura 5 representa a simulação livre do modelo de Wiener, através da qual pode ser feita a validação dinâmica qualitativa. Para o modelo de Hammerstein, a função estática não linear é a mostrada na equação (4), diferindo apenas as variáveis de entrada e saída do bloco estático das representações. Com isso, o ajuste da curva estática será o mesmo mostrado na Figura 4 2. O modelo ARX, descrito na forma normal, é mostrado na equação (7): (7) A Figura 9 representa a simulação livre do modelo de Hammerstein, por meio da qual pode ser feita a validação dinâmica qualitativa. Figura 6: Simulação livre. (-) Sistema real, (*) Modelo de Wiener. A validação dinâmica quantitativa do modelo de Wiener é mostrada nas Figuras 7 e 8: Figura 9: Simulação livre. (-) Sistema, (*) Modelo de Hammerstein. Figura 7: Função de autocorrelação linear dos resíduos de identificação. A validação dinâmica quantitativa do modelo de Hammerstein é mostrada nas Figuras 10 e 11: Figura 8: Função de autocorrelação não linear dos resíduos de identificação Obtenção do Modelo de Hammerstein Figura 10: Função de autocorrelação linear. 2 É importante deixar claro que a função estática é obtida a priori, ou seja, essa é obtida utilizando-se os dados estáticos de entrada e saída do sistema. No entanto, para que seja possível estimar os parâmetros do modelo dinâmico linear, os dados dinâmicos de entrada e saída são mapeados utilizando-se tal função estática, seguindo o fluxo de sinais mostrados nas Figuras 1 e
6 Comparando os valores obtidos através da validação quantitativa, como mostrado na Tabela 1, a seguir, pode-se verificar que o modelo de Wiener é o que mais se aproxima do modelo obtido em Barroso (2006), mostrando que o mesmo é capaz de representar o sistema de forma eficiente. Modelo Coeficiente de Correlação Bi-Objetivo -0,1462 Hammerstein 0,2297 Wiener -0,1044 Figura 11: Função de autocorrelação não linear. No caso das Figuras 10 e 11, também estão referenciadas aos resíduos de identificação. 4. Comparação de resultados Pode-se fazer uma comparação dos resultados obtidos nas representações de Wiener, Figura 6, e de Hammerstein, Figura 9, com o resultado apresentado em Barroso (2006, 2007), como pode ser visto na Figura 12. Tabela 1: Tabela comparativa entre os modelos através do coeficiente de correlação. 5. Conclusão Neste trabalho, foram apresentados modelos não lineares, obtidos com as representações de Hammerstein e Wiener utilizando-se dados dinâmicos e estáticos, de entrada e saída, simulados, previamente identificados. Como visto nas seções 3.1 e 3.2 deste texto, esses modelos aproximam tanto a estática não linear quanto a dinâmica linear do sistema. Além disso, pelas equações (6) e (7), pode-se perceber que o modelo dinâmico de Hammerstein para este caso é mais complexo que o de Wiener. No entanto, como pode ser analisado por meio das Figuras 6, 7, 8, 9, 10 e 11, o modelo de Wiener aproximou melhor a dinâmica do sistema, mostrando-se mais eficiente para representá-lo. Isso fica evidenciado quando comparado com o modelo apresentado em Barroso (2006). 6. Agradecimentos Agradecemos à CAPES, ao CNPq e à FAPEMIG pelo apoio financeiro. Figura 12: Simulação livre. (-) Sistema. (--) Estimação de parâmetros (Barroso, 2006). A comparação com o referido trabalho faz-se necessária por este ter sido exaustivamente avaliado no contexto do trabalho de 2006 do autor. Desta maneira, referenciar aos resultados daquele trabalho confere credibilidade aos resultados deste trabalho. No entanto, para que as comparações pudessem ser feitas sem perda de generalidade e utilizando-se a mesma referência de valores, foi utilizado como índice de desempenho dos modelos, o coeficiente de correlação linear dos resíduos de simulação livre dos modelos, em detrimento dos resíduos de identificação, que são um passo a frente. Desta maneira, o menor índice de correlação evidenciará que os resíduos de simulação livre são ruído branco, ou seja, o modelo foi capaz de explicar a dinâmica sem incorporar dinâmicas espúrias. 7. Referências bibliográficas Aguirre, L. A. et al. (1998). Identificação de sistemas não lineares utilizando modelo NARMAX polinomiais uma revisão e novos resultados, SBA Controle & Automação 9 (2): Aguirre, L. A. (2004). Introdução à Identificação de Sistemas: técnicas lineares e não lineares de sistemas reais. UFMG, Belo Horizonte, 2 a Edição. Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions Automatic Control, 19 (6):
7 Arefi, M. M. et al. (2007). Wiener-neural identification and predictive control of a more realistic plug-flow tubular reactor. Chemical Engineering Journal 138: Barroso, M. F. S. (2006). Otimização bi-objetivo aplicada à estimação de parâmetros de modelos NARX polinomiais: caracterização e tomada de decisão. PhD thesis, Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal de Minas Gerais, Belo Horizonte, Brasil. Barroso, M. F. S. et al. (2007). Multi-objective parameter estimation via minimal correlation criterion, Journal of Process Control 17: Norquay, S. J. et al. (1997). Model predictive control based on Wiener models. Chemical Engineering Science 59 (1): Pearson, R. K. and Pottmann, M. (2000). Gray-box identification of block oriented nonlinear models. Journal of Process Control 10: Ray, W. (1972). On the mathematical modeling of polymerization reactors. J. Macromal. Science Rev. Macromal. Chem. C8: Shafiee, G. et al. (2008). Nonlinear predictive control of a polymerization reactor based on piecewise linear Wiener model, Chemical Engineering Journal 143: Chen, S. et al. (1989). Orthogonal least-squares methods and their application to non-linear system identification. International Journal of Control, 50 (5): Coelho, M. C. S. (2002). Modelos de Hammerstein e de Wiener: conexões com modelos NARX e suas aplicações em identificação de sistemas não lineares. Master s thesis, Programa de Pós Graduação em Engenharia Elétrica, Universidade de Minas Gerais, Belo Horizonte, Brasil. Doyle III, F. J. et al. (1995). Nonlinear model based control using second-order Volterra models. Automatica 31 (5) Johansen, T. A. (1995). Identification of non-linear systems using empirical data and prior knowledge An optimization approach. Automatica 32 (3): Kalafatis, A. D. et al. (2004). Linearizing feedforward-feedback control of ph process based on the Wiener model. Journal of Process Control 15: Lindskog, P. and Ljung, L. (1994). Tools for semiphysical modeling. Report LiTH-ISV-R-1599, Department of Electrical Engineering, Linköping University. Lorito, F. (1998). Identification of a gray-box model of nonlinear current transformers for simulation purposes. Control Engineering Practice 6: Nepomuceno, E. G. (2002). Identificação multiobjetivo de sistemas não lineares. Master's thesis, Programa de Pós Graduação em Engenharia Elétrica, Universidade Federal de Minas Gerais, Belo Horizonte, Brasil. 4230
DETERMINAÇÃO DO NÚMERO DE TERMOS DE MODELOS POLINOMIAIS: O CRITÉRIO DE INFORMAÇÃO DE AKAIKE MULTIOBJETIVO
DETERMINAÇÃO DO NÚMERO DE TERMOS DE MODELOS POLINOMIAIS: O CRITÉRIO DE INFORMAÇÃO DE AKAIKE MULTIOBJETIVO Samir Angelo Milani Martins, Alípio Monteiro Barbosa, Erivelton Geraldo Nepomuceno GCoM Grupo de
Leia maisDETECÇÃO DE ESTRUTURAS DE MODELOS NARX POLINOMIAIS: UMA ABORDAGEM INTELIGENTE MULTI-OBJETIVO. Samir Angelo Milani Martins, Erivelton Geraldo Nepomuceno, João Paulo Mendes Figueiredo GCoM Grupo de Controle
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da Unijuí. 2
COLETA DE DADOS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO ÍON POLÍMERO E DETERMINAÇÃO DA ORDEM DE MODELOS ARX E ARMAX ATRAVÉS DE FUNÇÕES DE AUTOCORRELAÇÃO. 1 Joelson Lopes Da Paixão 2, Airam Sausen 3, Eduardo
Leia maisIdentificação de Sistemas Dinâmicos com Aritmética Intervalar
Identificação de Sistemas Dinâmicos com Aritmética Intervalar Márcia L. C. Peixoto Marco T. R. Matos Wilson R. Lacerda Júnior Samir A. M. Martins Erivelton G. Nepomuceno Programa de Pós-Graduação em Engenharia
Leia maisMODELAGEM MATEMÁTICA CAIXA PRETA DE PROPULSORES ELETROMECÂNICOS 1
MODELAGEM MATEMÁTICA CAIXA PRETA DE PROPULSORES ELETROMECÂNICOS 1 Leila Ana Valer 2, Manuel Martín Pérez Reimbold 3. 1 Pesquisa realizada no Programa de Mestrado e Doutorado em Modelagem Matemática da
Leia maisAplicação de Algoritmos Genéticos na determinação de estruturas de um modelo polinomial NARMAX
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 2010 Associação Brasileira de Métodos Computacionais em Engenharia Aplicação de Algoritmos Genéticos na determinação de estruturas de um modelo
Leia maisIDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO
IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO EM UM PROCESSO DE NEUTRALIZAÇÃO DE ph I.C. FRANCO 1, A. S. MOTA 1, M. R. MENEZES 1 1 Centro Universitário da
Leia maisXXI Congresso Brasileiro de Automática - CBA2016 UFES, Vitória - ES, 3 a 7 de outubro
DISTRIBUIÇÃO UNIFORME DAS SOLUÇÕES PARETO-ÓTIMO NA IDENTIFICAÇÃO MULTIOBJETIVO DE SISTEMAS Samir Angelo Milani Martins, Erivelton Geraldo Nepomuceno GCOM - Grupo de Controle e Modelagem Departamento de
Leia maisPropriedades das Funções de Base Radiais aplicadas à identificação de sistemas dinâmicos não-lineares
Universidade Federal de Minas Gerais From the SelectedWorks of Gladstone B. Alves 24 Propriedades das Funções de Base Radiais aplicadas à identificação de sistemas dinâmicos não-lineares Gladstone B. Alves,
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais 1 Introdução Identificação via Mínimos Quadrados Prof. Walter Fetter
Leia maisUso de informação a priori para identificação de um processo de Neutralização de ph em Malha Fechada
Laboratório de Modelagem, Análise e Controle de Sistemas Não-Lineares Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte, MG Brasil
Leia maisESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO LINEARES UTILIZANDO ALGORITMOS GENÉTICOS
Anais do IX Congresso Brasileiro de Redes Neurais /Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 Sociedade Brasileira de Redes Neurais ESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO
Leia maisAVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE
AVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE H. ENZWEILER 1, E. B. COUTINHO 2 e M. SCHWAAB 3 1 Universidade
Leia maisEstimação da função de transferência a partir do diagrama de Bode
https://eventos.utfpr.edu.br//sicite/sicite2017/index Estimação da função de transferência a partir do diagrama de Bode RESUMO Guilherme dos Santos Correa Leite guiidm@hotmail.com Universidade Tecnológica
Leia maisAPLICAÇÃO DE MODELOS ARX E ARMAX DA TEORIA DE IDENTIFICAÇÃO DE SISTEMAS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1
APLICAÇÃO DE MODELOS ARX E ARMAX DA TEORIA DE IDENTIFICAÇÃO DE SISTEMAS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1 Joelson Lopes Da Paixão 2, Airam Teresa Zago Romcy
Leia maisAmanda Danielle Oliveira da Silva Dantas
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E COMPUTAÇÃO Amanda Danielle Oliveira da Silva Dantas IDENTIFICAÇÃO DE MODELOS POLINOMIAIS
Leia maisMÉTODO SHORTCUT PARA OBTENÇÃO DE MODELOS DINÂMICOS SIMPLIFICADOS PARA COLUNAS DE DESTILAÇÃO
MÉTODO SHORTCUT PARA OBTENÇÃO DE MODELOS DINÂMICOS SIMPLIFICADOS PARA COLUNAS DE DESTILAÇÃO B. E. BUENO 1, J. O. TRIERWEILER 2 e P. R. B. FERNANDES 3 1,2,3 Universidade Federal do Rio Grande do Sul, Departamento
Leia maisEstimação na Presença de Ruído colorido
36 Estimação na Presença de Ruído colorido Como se viu, em presença de ruído colorido, os mínimos quadrados fornecem uma estimativa polarizada. Quer dizer, ao fazer muitas observações a estimativa não
Leia maisDETECÇÃO DE ESTRUTURAS DE MODELOS ARMAX POLIOMIAIS: A TAXA DE REDUÇÃO DE ERRO MULTI-OBJETIVO (MERR) Samir Angelo Milani Martins, Erivelton Geraldo epomuceno, Márcio Falcão Santos Barroso Programa de Pós-Graduação
Leia maisPrograma Analítico de Disciplina ELT430 Modelagem e Identificação de Sistemas
0 Programa Analítico de Disciplina Departamento de Engenharia Elétrica - Centro de Ciências Exatas e Tecnológicas Número de créditos: Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal
Leia maisMODELOS ELÉTRICOS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM ÍON POLÍMERO 1
MODELOS ELÉTRICOS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM ÍON POLÍMERO 1 Marcia De Fatima Brondani 2, Airam Teresa Zago Romcy Sausen 3, Paulo Sérgio Sausen 4. 1 Projeto de Pesquisa realizado
Leia maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da UNIJUÍ. 2
COLETA DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM DOS DADOS UTILIZANDO A TEORIA DE IDENTIFICAÇÃO DE SISTEMAS 1 Eduardo Cardoso
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia maisPREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM-ION POLYMER UTILIZANDO INTERPOLAÇÃO POLINOMIAL 1
PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM-ION POLYMER UTILIZANDO INTERPOLAÇÃO POLINOMIAL 1 Rita Salete Kusiak 2, Douglas Joziel Bitencourt Freitas 3, Airam Tereza Zago Romcy Sausen 4, Paulo Sérgio
Leia maisIDENTIFICAÇÃO DE MODELO ARX SOB CRITÉRIO PACF PARA DESEMPENHO COMPORTAMENTAL DE ESTRUTURAS MEMS
IDENTIFICAÇÃO DE MODELO ARX SOB CRITÉRIO PACF PARA DESEMPENHO COMPORTAMENTAL DE ESTRUTURAS MEMS CÍCERO J. M. MOREIRA 1, MANUEL M. P. REIMBOLD 1, AIRAM T. Z. R. SAUSEN 1, MARLON V. MACHADO 1 1. Departamento
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisIDENTIFICAÇÃO NÃO-LINEAR CAIXA-CINZA: UMA REVISÃO E NOVOS RESULTADOS
IDENTIFICAÇÃO NÃO-LINEAR CAIXA-CINZA: UMA REVISÃO E NOVOS RESULTADOS Marcelo V. Corrêa mcorrea@unilestemg.br Luis A. Aguirre aguirre@cpdee.ufmg.br Curso de Engenharia Elétrica, Centro Universitário do
Leia mais6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Leia maisAVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO
AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO GUSTAVO TADEU ZANIBONI 1 LUCIANO VIEIRA DUTRA 1 1 INPE - Instituto
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia maisXII Simpósio Brasileiro de Automação Inteligente (SBAI) Natal RN, 25 a 28 de outubro de 2015
Natal RN, 25 a 28 de outubro de 2015 IDENTIFICAÇÃO DE UM SECADOR DE GRÃOS UTILIZANDO MODELO DE WIENER E O MÉTODO DO RELÉ Moisés Tavares da Silva, Péricles Rezende Barros Departamento de Engenharia Elétrica
Leia maisESTUDO E APLICAÇÃO DA LEI DE PEUKERT ESTENDIDA PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS CONSIDERANDO CORRENTES VARIÁVEIS 1
ESTUDO E APLICAÇÃO DA LEI DE PEUKERT ESTENDIDA PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS CONSIDERANDO CORRENTES VARIÁVEIS 1 Livia Bittencourt Gomes 2, Julia Giehl Zart 3, Douglas Joziel Bitencourt Freitas
Leia maisConsiderações sobre a Condição Inicial na Construção do Diagrama de Bifurcação para o Mapa Logístico
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Considerações sobre a Condição Inicial na Construção do Diagrama de
Leia maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da UNIJUÍ 2
ESTUDO TEÓRICO DA CONSTRUÇÃO DE MODELOS MATEMÁTICOS AUTORREGRESSIVOS E COMPARAÇÃO COM MODELOS ANALÍTICOS PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1 Alisson Vercelino
Leia maisIdentificação Neural com Uso do Sinal de Erro de Predição
Proceedings of the IV Brazilian Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais pp. 036-041, July 20-22, 1999 - ITA, São José dos Campos - SP - Brazil Identificação Neural com
Leia maisDETERMINAÇÃO DE MODELOS DISCRETOS PARA UMA PLANTA DIDÁTICA DE MONITORAÇÃO E CONTROLE DE FLUXO COMPARANDO ESTIMADORES RECURSIVOS
DETERMINAÇÃO DE MODELOS DISCRETOS PARA UMA PLANTA DIDÁTICA DE MONITORAÇÃO E CONTROLE DE FLUXO COMPARANDO ESTIMADORES RECURSIVOS Brehme Dnapoli Reis de Mesquita 1 Rejane de Barros Araújo 2 Resumo: Este
Leia maisIDENTIFICAÇÃO DE SISTEMAS NÃO LINEARES USANDO O ÍNDICE MÉDIO DE COERÊNCIA
IDETIFICAÇÃO DE SISTEMAS ÃO LIEARES USADO O ÍDICE MÉDIO DE COERÊCIA Eduardo Bento Pereira (IC) Danton Diego Ferreira (PG) Erivelton Geraldo epomuceno (PQ) Universidade Federal de Juiz de Fora (UFJF) Universidade
Leia mais1. IDENTIFICAÇÃO DA DISCIPLINA
1. IDENTIFICAÇÃO DA DISCIPLINA CURSO: FT02-T PERÍODO LETIVO: 2017/2 TURMA: 01 DISCIPLINA: Sistema de Controle SIGLA: FTE029 CARGA HORÁRIA TOTAL: 90 CRÉDITOS: 6 TEÓRICA: 90 PRÁTICA: 0 PRÉ-REQUISITO: FTE008
Leia maisCapítulo 11 - Projeto de Testes e Escolha de Estruturas
Capítulo 11 - Projeto de Testes e Escolha de Estruturas Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 22 de novembro de 2016 1 / 38 Introdução
Leia maisCOMPARAÇÃO DE MODELOS FENOMENOLÓGICOS PARA A HIDRATAÇÃO DE GRÃOS DE SOJA
5 a 8 de Outubro de ISBN 978-85-884-55- COMPARAÇÃO DE MODELOS FENOMENOLÓGICOS PARA A HIDRATAÇÃO DE GRÃOS DE SOJA Douglas Junior Nicolin, Bruno Luiz Marcondes, Cid Marcos Gonçalves Andrade 3, Luiz Mario
Leia maisRedução de Ordem de Modelos NARX-OBF Utilizando Algoritmos Genéticos: Identificação de um Levitador Magnético
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Redução de Ordem de Modelos NARX-OBF Utilizando Algoritmos Genéticos:
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisFICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
Leia maisUMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC R. R. ROCHA 1 e L. C. OLIVEIRA-LOPES 1 1 Universidade Federal de Uberlândia, Faculdade de Engenharia Química E-mail para contato: rosi.rocha28@gmail.com;
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisUtilização de Auto-Consistência como Ferramenta Auxiliar na Seleção de Estrutura de Modelos NARX Polinomiais
Laboratório de Modelagem, Análise e Controle de Sistemas Não-Lineares Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte, MG Brasil
Leia maisCaracterização Dinâmica de Instrumentos
Instrumentação Industrial Caracterização Dinâmica de Instrumentos Caracterização Dinâmica Os Instrumentos são, de fato, Sistemas Dinâmicos. x t y t t t Instrumento O Comportamento transitório é determinado
Leia mais4 Especificidade do método
4 Especificidade do método Neste Capítulo aborda-se um segundo aspecto da validação de um método analítico através do controle da especificidade do método. A comparação de resultados analíticos pode ser
Leia maisMétodo dos Mínimos Quadrados na Identificação de Sistemas LIT.
Método dos Mínimos Quadrados na Identificação de Sistemas LIT. ENGC65: Sistemas de Controle III Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 14 de abril de 2014 Sumário
Leia mais2.1 Dados Experimentais e Método para Estimação dos Parâmetros
ANÁLISE COMPARATIVA DE MODELOS ANALÍTICOS CONSIDERANDO DESCARGAS CONSTANTES PARA PREDIÇÃO DO TEMPO DE VIDA DE DISPOSITIVOS MÓVEIS 1 Julia Giehl Zart 2, Livia Bittencourt Gomes 3, Douglas Joziel Bitencourt
Leia maisétodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA
Leia maisAPLICAÇÃO DO ALGORITMO DE OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS PARA A MODELAGEM DE FUNÇÕES DE TRANSFERÊNCIA
APLICAÇÃO DO ALGORITMO DE OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS PARA A MODELAGEM DE FUNÇÕES DE TRANSFERÊNCIA Caetano Alcantara Borges 1 *, Keiji Yamanaka¹, Florisvaldo Cardozo Bomfim Junior¹ ¹FEELT Universidade
Leia maisProjeto realizado junto ao Grupo de Automação Industrial e Controle (GAIC) da UNIJUÍ. 2
COLETA DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM DOS DADOS UTILIZANDO A TEORIA DE IDENTIFICAÇÃO DE SISTEMAS 1 Eduardo Cardoso
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos ão Paramétricos 1 Métodos ão Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J. Miranda
Leia mais3. MODELOS MATEMÁTICOS
13 3. MODELOS MATEMÁTICOS 3.1 ENSAIOS EXPERIMENTAIS COM O TROCADOR DE CALOR Todos os ensaios realizados com o trocador de calor para a obtenção de seu modelo consistiram em se aplicar um degrau de vazão
Leia maisEstimação de Parâmetros em Modelos de Energia Livre de Gibbs em Excesso
Estimação de Parâmetros em Modelos de Energia Livre de Gibbs em Excesso Cláudio T. Lima, Gustavo M. Platt, Departamento de Modelagem Computacional - IPRJ - UERJ 28630-050, Nova Friburgo, RJ E-mail: ctlima@iprj.uerj.br,
Leia maisCapítulo 10 - Identificação de Sistemas Não Lineares: Algoritmos
Capítulo 10 - Identificação de Sistemas Não Lineares: Algoritmos Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 16 de outubro de 2018 1 / 31
Leia maisAUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO
AUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO Patrícia Eduarda de Lima 1, Luciane de Fátima Rodrigues de Souza 2* 1 Departamento de Exatas, Faculdades Integradas Regionais
Leia maisINFLUÊNCIA DA METODOLOGIA DE ESTIMAÇÃO SOBRE OS PARÂMETROS CINÉTICOS E O PROJETO DE REATORES CONTÍNUOS
INFLUÊNCI D METODOLOGI DE ESTIMÇÃO SOBRE OS PRÂMETROS CINÉTICOS E O PROJETO DE RETORES CONTÍNUOS G. S. S. SRCINELLI 1, L. G. R. MIRND 1, J. C. S. DUTR 1, F. T. VIEIR 1 1 LMCES Laboratório de Métodos Computacionais,
Leia maisEvolução Diferencial Aplicada na Estimação de Parâmetros de um Sistema Oscilatório
https://eventos.utfpr.edu.br//sicite/sicite2017/index Evolução Diferencial Aplicada na Estimação de Parâmetros de um Sistema Oscilatório RESUMO Iolanda Ortiz Bernardes ibernardes@alunos.utfpr.edu.br Estudante
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisIdentificação por Métodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Identificação por Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos
Leia maisIDENTIFICAÇÃO DE PROCESSOS EM TEMPO REAL VIA MODELO ARMAX
IDENTIFICAÇÃO DE PROCESSOS EM TEMPO REAL VIA MODELO ARMAX C. B. CAVALCANTI 1, J. N. SILVA 1 1 Universidade Federal de Campina Grande, Departamento de Engenharia Química E-mail para contato: nilton.silva@ufcg.edu.br
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS COM ARITMÉTICA INTERVALAR Márcia L. C. Peixoto, Marco T. R. Matos, Wilson R. Lacerda Júnior, Samir A. M. Martins, Erivelton G. Nepomuceno Programa de Pós-Graduação em
Leia maisCÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.
CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento
Leia maisCurvas de crescimento de bovinos com coeficientes aleatórios para peso à maturidade
Curvas de crescimento de bovinos com coeficientes aleatórios para peso à maturidade Naara Negrão Pereira 4 Antonio Policarpo Souza Carneiro 4 Elisabeth Regina de Toledo 4 Paulo César Emiliano 4 Fabano
Leia maisSystems Identification, Interval Arithmetic, Errors Propagation, Intlab toolbox.
IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS COM ARITMÉTICA INTERVALAR Márcia L. C. Peixoto, Marco T. R. Matos, Wilson R. Lacerda Júnior, Samir A. M. Martins, Erivelton G. Nepomuceno Programa de Pós-Graduação em
Leia maisEtapas da Modelagem. Modelagem e Controle da Qualidade da Água Superficial Regina Kishi, 11/11/2014, Página 1
Etapas da Modelagem Modelagem e Controle da Qualidade da Água Superficial Regina Kishi, 11/11/2014, Página 1 Classificação dos modelos Medição de dados Conhecimento do processo físico Totalmente orientado
Leia maisDETERMINAÇÃO DO POTENCIAL DE REDUÇÃO DE VARIABILIDADE EM MALHAS SISO ATRAVÉS DA ESTIMAÇÃO DE DISTÚRBIOS NÃO MEDIDOS
DETERMINAÇÃO DO POTENCIAL DE REDUÇÃO DE VARIABILIDADE EM MALHAS SISO ATRAVÉS DA ESTIMAÇÃO DE DISTÚRBIOS NÃO MEDIDOS M. A. F. LIMA 1, J. O. TRIERWEILER 1 e M. FARENZENA 1 1 Universidade Federal do Rio Grande
Leia maisMetaheurísticas para Estimação de Parâmetros na Identificação de Sistemas Não Lineares
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA DE COMPUTAÇÃO E AUTOMAÇÃO CURSO DE ENGENHARIA MECATRÔNICA Metaheurísticas
Leia maisModelagem do preço da soja utilizando a metodologia de análise de séries temporais 1
Modelagem do preço da soja utilizando a metodologia de análise de séries temporais 1 Jair Wyzykowski 2 Maíra Rodrigues Villamagna 3 Thelma Sáfadi 4 Augusto Ramalho de Morais 5 1 Introdução Uma série é
Leia maisControle de Processos Aula: Controle Seletivo, Split-Range, Gain- Scheduled e Inferencial
107484 Controle de Processos Aula: Controle Seletivo, Split-Range, Gain- Scheduled e Inferencial Prof. Eduardo Stockler Departamento de Engenharia Elétrica Universidade de Brasília 1º Semestre 2015 Controle
Leia maisALGORITMOS EVOLUCIONÁRIOS NA IDENTIFICAÇÃO DE SISTEMAS HÍBRIDOS PWA Bruno Henrique Groenner Barbosa, Luis Antônio Aguirre, Antônio Pádua Braga Departamento de Engenharia Universidade Federal de Lavras
Leia maisAUTO SINTONIA UTILIZANDO MODELO ARMAX
AUTO SINTONIA UTILIZANDO MODELO ARMAX A. U. A. JÚNIOR 1, M. M. SILVA 1, A. C. NASCIMENTO 1, H. BISPO 1 e J. N. SILVA 1 1 Universidade Federal de Campina Grande, Unidade Acadêmica de Engenharia Química
Leia maisUNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UMA NOVA ABORDAGEM PARA REPRESENTAÇÕES E IDENTIFICAÇÕES DE CLASSES DE SISTEMAS DINÂMICOS NÃO- LINEARES Flávia Antunes DISSERTAÇÃO
Leia maisUtilização do solidthinking Embed em projetos de controle para sistemas embarcados utilizando técnica de controle adaptativo por modelo de referência.
Utilização do solidthinking Embed em projetos de controle para sistemas embarcados utilizando técnica de controle adaptativo por modelo de referência. Rodrigo de J. Macedo Resumo Apresenta-se, neste artigo,
Leia maisIDENTIFICAÇÃO USANDO TÉCNICAS DE SUBESPAÇOS DE UMA PLANTA DE BOMBEAMENTO DE ÁGUA - UM ESTUDO DE CASO Rodrigo Augusto Ricco, Anny Verly, Bruno Otávio Soares Teixeira, Luis Antonio Aguirre Programa de Pós-Graduação
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisModelos de Perturbações. As perturbações existentes num sistema impôem limitações fortes no desempenho dos sistemas de controlo.
38 Modelos de Perturbações As perturbações existentes num sistema impôem limitações fortes no desempenho dos sistemas de controlo. Pertub. à entrada Pertub. internas Pertub. à saída u Sistema medição y
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia maisAnálise comparativa entre métodos estatístico e rede neural aplicados em séries temporais
Análise comparativa entre métodos estatístico e rede neural aplicados em séries temporais Ana Paula de Sousa José Elmo de Menezes Introdução As formas funcionais dos modelos de previsão das redes neurais
Leia mais-GNE219 - Controle em Espaço de Estados
Universidade Federal de Lavras Departamento de Engenharia -GNE219 - Controle em Espaço de Estados Prof. Daniel Leite E-mail: daniel.leite@deg.ufla.br 2/2017 1/27 Considerações Eng. de Controle e Automação
Leia maisObtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau
Alunos: Nota: 1-2 - Data: Obtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau 1.1 Objetivo O objetivo deste experimento é mostrar como se obtém o modelo matemático de um sistema através
Leia maisANÁLISE QUANTITATIVA DE UM PÊNDULO INVERTIDO CONTROLADO POR PID E LÓGICA FUZZY
ANÁLISE QUANTITATIVA DE UM PÊNDULO INVERTIDO CONTROLADO POR PID E LÓGICA FUZZY Adryano Fernandes Resende 1, Jackson Gonçalves Ernesto 2, Fábio Augusto Gentilin³ 1,2 Acadêmicos do Curso de Engenharia de
Leia maisAnálise de Processos ENG 514
Análise de Processos ENG 514 Capítulo 1 Introdução à Modelagem de Processos Prof. Édler Lins de Albuquerque Outubro de 2013 1 Considerações Iniciais Processos e Sistemas da Engenharia Química são Complexos
Leia maisPROJETO DA MALHA DE CONTROLE DE UM PROCESSO DE HIDRÓLISE DE ANIDRIDO ACÉTICO EM CSTR
PROJETO DA MALHA DE CONTROLE DE UM PROCESSO DE HIDRÓLISE DE ANIDRIDO ACÉTICO EM CSTR A. C. S. R. DIAS, B. R. BOTINHA, J. R. COSTA, C. S. O. TENIS e J. C. S. DUTRA LAMCES Laboratório de Métodos Computacionais,
Leia maisEvento: XXV SEMINÁRIO DE INICIAÇÃO CIENTÍFICA
COLETA DE UM AMPLO CONJUNTO DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM MATEMÁTICA DOS DADOS UTILIZANDO MODELOS ELÉTRICOS.
Leia maisTrabalho da Disciplina Sistemas Lineares: Controle pela Realimentação do Estado Estimado por um Observador
Trabalho da Disciplina Sistemas Lineares: Controle pela Realimentação do Estado Estimado por um Observador Professor José Paulo Vilela Soares da Cunha 13 de maio de 2019 Identificação UERJ Faculdade de
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisAVALIAÇÃO DO ENRIQUECIMENTO POLINOMIAL NO MÉTODO DOS ELEMENTOS FINITOS GENERALIZADOS EM ELEMENTOS TRIANGULARES
AVALIAÇÃO DO ENRIQUECIMENTO POLINOMIAL NO MÉTODO DOS ELEMENTOS FINITOS GENERALIZADOS EM ELEMENTOS TRIANGULARES Neimar A. da Silveira Filho niemarsilveira@ufmg.br Thaiane Simonetti de Oliveira thaianesimo@gmail.com
Leia maisDETECÇÃO DE FALHA EM MOTORES DE INDUÇÃO TRIFÁSICOS POR MEIO DE INSTRUMENTO VIRTUAL
DETECÇÃO DE FALHA EM MOTORES DE INDUÇÃO TRIFÁSICOS POR MEIO DE INSTRUMENTO VIRTUAL ANA PAULA L. SANTOS*, LÍVIA DE FÁTIMA SILVA MENDES*, MÁRCIO F. S. BARROSO*, LANE RABELO BACCARINI*, * Programa de Pós
Leia maisProjeto e Implementação de um Módulo Didático para Controle PID de Processos Industriais: Estudo de Caso Aplicado a um Sistema de Nível de Líquido
Projeto e Implementação de um Módulo Didático para Controle PID de Processos Industriais: Estudo de Caso Aplicado a um Sistema de Nível de Líquido Allan Martins¹, Jéssica Aguiar¹, Paulo Henrique Melo¹,
Leia maisResumo. Filtragem Adaptativa. Filtros adaptativos. Tarefas desempenhadas pelos filtros
Resumo Filtragem Adaptativa Luís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Sistemas de filtragem adaptativa Conceitos de filtragem adaptativa Filtro de Wiener Algoritmo steepest descent
Leia maisCapítulo 9. Teoria da Aproximação. 9.2 Mínimos Quadrados
Capítulo 9 Teoria da Aproximação 9.1 Introdução O estudo da teoria da aproximação envolve dois tipos de problemas genéricos: 1) Um problema ocorre quando uma função é dada de forma explícita, mas queremos
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Aspectos Temporais Modelagem de sistemas As tarefas que estudamos, classificação e regressão, podem ser vistas como atividades de modelagem de sistemas. As técnicas de modelagem
Leia mais